エキシボウシン由来のレーザー誘起ブレークダウン分光法を用いたガイド下手術におけるリアルタイム組織型同定に向けた、検体分離型機械学習ベンチマーク
A Specimen-Separated Machine Learning Benchmark Toward Real-Time Tissue-Type Identification in Guided Surgery Using Ex Vivo Bovine Laser-Induced Breakdown Spectroscopy
レーザーガイド下手術におけるリアルタイム組織同定は、周辺組織への損傷回避と切除境界の明確化のために重要な未解決課題である。レーザー誘起ブレークダウン分光法(LIBS)は、パルスレーザー手術システムと互換性があり、迅速なラベルフリー元素分析を提供する。本研究では、検体レベルのデータ漏洩とクラス不均衡バイアスを制御するように設計された、LIBSスペクトルから5つのウシ組織クラスと1つの合成ゼロシグナル制御クラスを分類する機械学習パイプラインを提示する。主な貢献は、(i)ショットノイズを抑制しつつ発光ピークを保持する「ピーク最大値対ベースライン」集約戦略、(ii)検体レベルの分離を強制する繰り返しグループベース交差検証プロトコル(GroupShuffleSplit、N=10)、(iii)30の構成(10分類器×3パイプライン)の比較である。正規化を行ったExtra Treesが最も高い加重F1スコア(0.934±0.118)を達成した。合成制御を除外すると、5クラスのスコアは0.875〜0.915に低下し、ランキングも変化するため、これらが生物組織識別における参照値となる。サポートベクターマシンは精度は劣るものの、より一貫性があった(0.917±0.069)。取得は約3秒/点、推論はミリ秒未満である。5頭の動物、外側分割で選択された最良構成、グループを認識しない内部チューニングにより、これらの推定値はリアルタイムガイド下手術に向けた探索的な一歩である。
- LIBSと機械学習を組み合わせ、リアルタイム組織型同定で5つのウシ組織クラスを分類し、正規化Extra Treesが加重F1スコア0.934を達成
- 取得は約3秒/点、推論はミリ秒未満で、リアルタイムガイド下手術への応用可能性を示した
本稿は、レーザー誘起ブレークダウン分光法(LIBS)と機械学習を組み合わせたリアルタイム組織型同定技術の研究報告であり、ガイド下手術の精度向上につながる医療応用の可能性を示す。投資家視点では、手術支援・医療機器分野での応用が想定され、組織同定の高速化(約3秒/点の取得、ミリ秒未満の推論)と高精度(F1スコア0.934)という具体的性能値が確認できた点が注目に値する。ただし、これは学術研究段階であり、商用化や事業化の具体的な計画・発表は含まれておらず、投資判断の直接的なトリガーとはなりにくい。医療機器・手術支援分野の技術動向としてウォッチ対象とすべきレベルの情報である。